随着我国经济迅猛发展,机动车保有量逐年上升,交通问题愈发严重。交通信号控制作为智能交通系统的核心内容,成为解决交通问题的重要手段。车联网的快速发展为交通信号控制提供了大量实时、精准的交通数据,给实时信号控制带来了机会和挑战,但由于目前还不能做到车联网的全覆盖,而且可以预计只有部分车辆联网的场景将存在相当长的一段时间,如何更好地利用部分已联网车辆数据提高信号控制效果是亟待解决的问题。本文从不完全车联网环境下的交通特征参数估计研究入手,对实时的单交叉口信号控制和实时干线信号控制展开研究。主要工作如下:(1)基于联网车辆数据进行交通特征参数估计,提出在部分车辆联网环境下的交通特征参数估计方法。针对联网率低的场景,估计离线交通参数,提出了基于轨迹的交通流量估计方法,用于离线的信号配时优化;在联网率高的场景,研究在线的交通参数估计,提出基于车辆跟驰模型的车辆位置估计方法,并在此基础进行排队长度估计和车队识别,并且通过TransModeler仿真平台进行估计算法的效果评估,为后续实时自适应交通信号控制奠定基础。(2)在交通特征参数估计基础上,提出了 一种单交叉口实时信号控制算法。并通过引入了 NEMA双环相位结构,采用动态规划方法实现相序的灵活优化,最后在TransModeler仿真软件搭建的车联网平台上进行仿真验证,对比不同联网覆盖率下的控制效果,并同感应控制方案进行对比分析,证明算法在一定联网率下的适用性。(3)在车队识别基础上,提出一种基于车队的干线动态协调控制方法。通过构建基于车队的混合整数规划模型,以车队在干线交叉口的延误最小为目标,优化干线交叉口的信号配时参数,达到干线动态协调效果。同时引入路段容量约束和选择变量用于防溢流控制和相序优化,最后采用仿真案例,证明算法在随机交通流下具有更好的适用性,并在不同联网率的场景下仿真,给出算法适用范围。